On-Premise LLM-Powered Chatbot for Technical Support in Specialized Industrial Settings

In many industrial sectors, customer support plays a critical role. In the food packaging industry in particular, the ability to provide rapid and effective technical assistance in case of machinery failure is essential. This thesis presents the design and development of an advanced chatbot for direct technical customer support, designed to provide immediate assistance in managing failures on industrial machinery. The work focuses on integrating Natural Language Processing (NLP) techniques and conversational artificial intelligence systems to optimize customer support services. The strategies adopted for collecting, preprocessing, and normalizing heterogeneous data from various company sources are explored in detail, ensuring compatibility with a local Large Language Model (LLM) and minimizing the exposure of sensitive information. Furthermore, the system incorporates a Retrieval-Augmented Generation (RAG) architecture to enhance the accuracy and contextual relevance of the chatbot's responses. The implementation of the user interface is also presented, designed to ensure intuitive and accessible interaction for both internal technical staff and end customers. The objective of this work is to demonstrate how the integration of advanced language models and retrieval architectures can significantly enhance the speed, reliability, and scalability of technical assistance in domain-specific industrial environments.

In molti settori industriali, l'assistenza ai clienti svolge un ruolo fondamentale. Nell'industria del confezionamento alimentare, in particolare, la capacità di fornire un'assistenza tecnica rapida ed efficace in caso di guasti ai macchinari è essenziale. Questa tesi presenta la progettazione e lo sviluppo di un chatbot avanzato per il supporto tecnico diretto ai clienti, progettato per fornire assistenza immediata nella gestione dei guasti su macchinari industriali. Il lavoro si concentra sull'integrazione di tecniche di Natural Language Processing (NLP) e di sistemi di intelligenza artificiale conversazionale per ottimizzare i servizi di assistenza ai clienti. Le strategie adottate per la raccolta, la pre-elaborazione e la normalizzazione di dati eterogenei provenienti da varie fonti aziendali sono esplorate in dettaglio, garantendo la compatibilità con un Large Language Model (LLM) locale e riducendo al minimo l'esposizione di informazioni sensibili. Inoltre, il sistema incorpora un'architettura RAG (Retrieval-Augmented Generation) per migliorare l'accuratezza e la rilevanza contestuale delle risposte del chatbot. Viene presentata anche l'implementazione dell'interfaccia utente, progettata per garantire un'interazione intuitiva e accessibile sia al personale tecnico interno che ai clienti finali. L'obiettivo di questo lavoro è dimostrare come l'integrazione di modelli linguistici avanzati e di architetture di reperimento possa migliorare significativamente la velocità, l'affidabilità e la scalabilità dell'assistenza tecnica in ambienti industriali specifici.